“类脑智能”是当前人工智能领域最新的热点方向，利用神经形态计算来模拟人类大脑处理信息的过程，是人工智能的终极目标。类脑智能具有在信息处理机制上类脑、认知行为和智能水平上类人的特点，最终目标是通过借鉴脑神经结构和信息处理机制，使机器以类脑的方式实现各种人类认知能力及协同机制，达到或超越人类的智能水平。2017年5月，谷歌公司的人工智能软件“Alpha Go”战胜目前围棋世界排名第一的柯洁;2016年12月，牛津大学与谷歌公司等研发的自动唇读系统“LipNet”对BBC电视节目嘉宾进行唇语解读，准确率达到46.8%(唇语专家准确率为12.4%左右)。随着典型类脑智能试验产品的出现，其技术与商业化应用受到社会各界的广泛关注，各国纷纷投入技术研发，各大企业不断开展商业化应用探索。

　　技术研发现状

　　认知体系结构研究是类脑认知计算模型研究的基础。近年来研究人员逐渐向神经网络中融入记忆、推理和注意等机制。此外，还开展不同脑区协同认知模型研究，构建面向通用智能的类脑认知计算模型。如，加拿大滑铁卢大学研制的SPAUN脑模拟器，将250万个神经元模块化地分割为10余个脑区，实现了模拟笔迹、逻辑填空、工作记忆、视觉信息处理等能力。

　　人工神经网络

　　近年来发展起来的深度神经网络(DNN)模型模拟了人脑在脑区尺度进行层次化信息处理的机制。其中，卷积神经网络(CNN)受生物视觉系统的启示，将生物神经元之间的局部连接关系以及信息处理的层级结构应用到计算模型中，模拟大脑多个层级的信息处理;脉冲神经网络(SNN)是近年来研发出的另一种新型神经网络，其神经元以电脉冲的形式对信息进行编码，能够很好地编码时间信息，更接近真实神经元对信息的编码方式，被认为是能接近仿生机制的神经网络模型。

　　神经接口、脑机接口

　　通过神经解码(将大脑的神经信号转化为对外部设备的控制信号)，使计算机从大脑神经活动中获知人的行为意向，分为侵入式脑机接口和非侵入式脑机接口，侵入式主要用于重建特殊感觉(如视觉)以及瘫痪病人的运动功能，通常直接植入到大脑的灰质;非侵入式是用紧贴头皮的多个电极采集大脑脑电图信号。美国Emotiv公司开发出一套人机交互设备“Emotiv Epoc”意念控制器，运用非侵入性脑电波仪技术，感测并学习每个使用者大脑神经元信号模式，实时读取使用者大脑对特定动作产生的意思，通过软件分析解读其意念、感觉与情绪。

　　神经形态芯片、类脑计算机

　　参考人脑神经元结构和人脑感知认知方式设计的芯片，可分为神经形态芯片、参考人脑感知认知的计算模型两大类。随着类脑芯片的深入发展，基于类脑芯片的类脑计算机雏形已经出现。2016年IBM公司开发出基于其Truenorth芯片的类脑计算机NS16e，采用16颗TrueNorth芯片组成芯片阵列，通过电路系统模拟人脑神经元及突触的工作方式，通过模式和分类关联过往和现在的数据，并基于概率和关联识别模式做出决策。

　　神经机器人、类脑智能机器人

　　类脑智能机器人是融合了视觉、听觉、思考和执行等能力的综合智能系统，能够以类似人脑的工作方式运行。通过将人脑的内部机理融入机器人系统，提高机器人的认知、学习和控制能力，进而产生更深度的交叉与合作。研究人员正努力使机器人以类脑方式实现对外界的感知及自身控制一体化，使其能够模仿外周神经系统感知、中枢神经系统输出与多层级反馈回路，实现机器人从感知外界信息到自身运动的快速性和准确性。瑞士洛桑理工学院2015年开发了一个神经系统仿真工具，该工具建立了数字化的老鼠大脑计算模型和虚拟老鼠身体模型，将这两个模型结合起来模拟大脑和身体互动的神经机制，目前已在模型中模拟出小白鼠大脑中3.1万个神经元活动。

　　未来发展方向

　　目前越来越多的研究着眼于提高神经网络、认知计算模型以及智能系统的自适应能力，让机器像人一样从周围环境中对知识、模型结构和参数进行学习并自适应进化。发展可持续的类人学习机制，需要通过脑科学来建立适应这类学习机制的认知结构，基于这些类脑学习方法和认知结构再进一步发展类脑认知计算模型，最终真正设计并实现“机制类脑、行为类人”的通用类脑智能计算模型。

　　发展具有更高效能的新一代人工神经网络模型。

　　目前的深度神经网络一定程度上已经借鉴了神经系统的工作原理，并具备相对完整的编解码、学习与训练方法，但该类模型还存在很大的提升空间。大部分脉冲神经网络的网络训练只考虑了两个神经元之间的局部可塑性机制，缺乏对介观(如神经元网络连接、皮层结构)、宏观尺度(如脑区之间的网络连接)的借鉴，在性能上与DNN等模型存在一定差距。两个模型都需要不断从脑科学中汲取营养并不断融合，发展出性能更好、效能更高的新一代人工神经网络模型。

　　国外现状

　　美国自20世纪90年代起就开展了多个脑科学项目研究，并于2013年正式启动“BRAIN计划”，针对大脑结构图建立、神经回路操作工具开发等七大领域进行研发布局;欧盟自2002年开始对150多个脑科学研究项目进行资助，并于2013年正式提出“人脑计划(HBP)”，试图在未来神经科学、未来医学和未来计算等领域开发出新的前沿医学和信息技术。加拿大、日本、德国、英国等也先后推出脑科学研究计划，希望抢占未来技术的制高点、掌握未来战略的主动权。同时，许多国际企业纷纷推出类脑智能研究计划，在以IBM、微软、苹果等为代表的龙头企业的推动下，类脑智能受到高度关注。

　　各国关注方向各有侧重

　　虽然各国都积极布局类脑智能的研发，但关注点各有侧重。美国重视相关理论建模、脑机接口、机器学习等方面，将理论、建模和统计分析融入大脑研究是“BRAIN计划”的七个最优先领域之一;日本的“脑科学战略研究项目”重点开展脑机接口、脑计算机研发和神经信息相关的理论构建，该项目提出的新技术发展目标是在15年内实现各层次脑功能的超大规模模拟技术，开展神经科学的数学、物理学研究;欧盟的“人脑计划”重点开展人脑模拟、神经形态计算、神经机器人等领域的研究;韩国则重视脑神经信息学、脑工程学、人工神经网络、大脑仿真计算机等领域的研发。

　　重视跨学科、跨部门合作推进

　　美国联邦政府机构(DARPA、IARPA等)主导类脑智能的基础与应用研究，大学、私营机构和企业等重点开展相关技术开发和产品应用推广(参与的民间机构已有20余家)，各机构根据自身优势开展跨学科、跨部门合作;欧盟“人脑计划”有核心项目和合作项目两类，核心项目由欧盟委员会资助，合作项目则吸引成员国机构、非政府组织参与;日本类脑智能研究以国际电器通信基础技术研究所 、国家级技术研究所(如理化研究所脑科学综合研究中心)和各大学相互合作的模式来开展跨学科研发;韩国“国家脑科学发展战略”实施过程中，私营企业在神经科学研究前期就参与进来，促进研发成果快速商业化，鼓励以产品为导向的研发规划与实施，并加强跨学科合作与交叉融合，加强公私合作。

　　各大企业争相布局

　　全球科技巨头如谷歌、微软、IBM、Facebook都将人工智能视为下一个技术引爆点，纷纷斥巨资参与研发与竞争。IBM是最早布局人工智能的公司之一，1997年研发出深蓝计算机、2011年研发出watson系统，目前IBM的布局围绕watson系统和Synapse类脑芯片展开，同时通过并购打造人工智能生态系统;谷歌则通过大量收购语音和人脸识别、深度学习、机器人公司以获取技术、专利和人才，其在深度学习、神经网络等方面处于全球领先地位;Facebook也逐步收购语音识别、机器翻译等公司，并设立人工智能实验室，开发聊天机器人。除龙头企业外，如美国Emotiv公司等一批新兴公司也在类脑智能方面取得了高水平的研发成果。

　　专利分布呈现集聚态势

　　在专利方面，《2016全球人工智能发展报告》显示，全球人工智能专利的申请数量中，美国(26891)、中国(15745)和日本(14604)位列前三，占全球总申请量的73.85%，(第四名德国仅为中国的27.8%)。从细分领域看，机器人、神经网络、语音识别和图像识别成为热点领域;从专利申请人来看，前瞻技术方面提交专利申请较多的是IBM、谷歌、微软等国际巨头，我国主要是百度、腾讯、阿里巴巴等互联网企业。以“AlphaGo”为代表的深度学习相关专利公开的有1809项，主要集中在特定功能的数据处理(信息检索及其数据库结构)、采用神经网络模型的学习方法、图形识别分析等领域。

　　国内现状

　　亟待加强统筹规划与跨学科交叉协同

　　《“十三五”国家科技创新规划》提出部署脑科学与类脑研究重大科技专项，开展类脑计算与脑机智能研究，研究重点涵盖脑神经计算、认知功能模拟、神经形态芯片和类脑处理器、脑机接口、类脑机器人等多个方面。

　　我国在类脑计算、类脑芯片、类脑智能机器人等领域取得进展

　　在类脑智能计算模型方面，中科院脑科学与智能技术卓越创新中心优化了脉冲神经网络模型，引入了学习、记忆机制，并构建了面向亿级类脑神经网络建模的计算平台;在类脑芯片方面，中科院计算技术研究所研发了“寒武纪1号”类脑芯片、浙江大学与杭州电子科技大学合作研发了首款支持脉冲神经网络的“达尔文”芯片;在类脑智能机器人方面，中科院自动化研究所实现了机械臂的交互控制和生理控制康复机器人的应用，通过模拟婴儿对物体的自发、动态认知过程将其应用于提高机器人的自学习和归纳能力。

　　顺应未来发展，我国应继续开展核心技术攻关，加强跨学科的协同与合作

　　与发达国家相比，我国在类脑智能的基础前沿研究、软硬件结合的类脑智能机器人等领域实力较弱，各研发机构的研究重点过于雷同。基于此，我国应借鉴美国、日本的经验，在国家层面进行统筹规划，国内各机构应根据自身优势，部署重点研究领域时应有所聚焦和分工，避免重复建设。同时，类脑智能是高度学科交叉的领域，迫切需要加强脑科学与数学、计算机科学、物理、工程与材料学等学科的交叉融合。

　　（作者：陈骞，上海科学技术情报研究所副研究员；阮梅花，中国科学院上海生命科学研究院信息中心副研究员。）